Помощь в учёбе, очень быстро...
Работаем вместе до победы

Многоуровневые модели сложно-структурированных предметных областей и их использование при разработке систем, основанных на знаниях

Диссертация: Многоуровневые модели сложно-структурированных предметных областей и их использование при разработке систем, основанных на знаниях
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Одним из классов программных систем являются системы, основанные на знаниях (СОЗ), отличительная особенность которых состоит в том, что знания, необходимые для выполнения профессиональной деятельности, отделены в этих системах от программ для решения прикладных задач. Система, база знаний которой пуста, называется оболочкой СОЗ. Разработка СОЗ предполагает создание ее оболочки. Сопровождение СОЗ… Читать ещё >

Содержание

  • Глава 1. Существенные свойства сложно структурированных 15 предметных областей и структура их онтологий
    • 1. 1. 4. Система знаний предметной области. Онтология знаний. 29 Онтология предметной области
    • 1. 2. Сложно структурированные предметные области и их свойства
    • 1. 2. 1. Определение сложно структурированной предметной 41 области
    • 1. 2. 2. Свойства онтологии сложно структурированной 43 предметной области
    • 1. 2. 3. Свойства моделей сложно структурированных 49 предметных областей и требования к языку для их представления
    • 1. 3. Существующие определения моделей онтологий и языки для их представления
    • 1. 4. Методы анализа предметных областей
    • 1. 5. Оболочки систем, основанных на знаниях
    • 1. 6. Выводы
  • Глава 2. Многоуровневые модели сложно-структурированных предметных областей

2.1. Необогащенные системы логических соотношений уровня m 71 2.1.1. Определение понятий уровня m и связей между ними 72 2.1.2.Определение параметров уровня m 77 2.1.3. Определение конструкторов сортов уровня m

2.2. Функция интерпретации имен

2.3. Обогащение необогащенной системы логических соотношений

2.4. Обогащенные системы логических соотношений

2.5. Многоуровневая система логических соотношений

2.6. Адекватность модели и предметной области

1.1. Предметные области и их существенные свойства

1.1.1. Объекты и величины предметной области

1.1.2. Действительность предметной области

1.1.3. Концептуализация и онтология действительности

2.7. Классы систем логических соотношений

2.8. Отношения на множестве систем логических соотношений

2.9. Определение класса языков прикладной логики

2.10. Обсуждение

Глава 3. Методы анализа сложно-структурированных предметных областей

3.1. Метод «снизу вверх»

3.2. Метод «сверху вниз»

3.3. Использование уже построенных онтологий и их моделей

3.3.1. Упрощение (огрубление) моделей

3.3.2. Классы предметных областей

3.3.3. Интеграция онтологий, знаний и их моделей

3.4. Анализ задач

3.5. Анализ методов решения задач

3.6. Обсуждение

Глава 4. Многоуровневая модель предметной области «Химия»

4.1. Модель онтологии четвертого уровня

4.2. Модель онтологии третьего уровня

4.2.1. Модель онтологии третьего уровня для физической химии

4.2.2. Модель онтологии третьего уровня для органической 155 химии

4.2.3. Модель онтологии третьего уровня для рентгено- 165 флуоресцентного анализа

4.3. Модель онтологии второго уровня

4.4. Обсуждение

Глава 5. Методы разработки специализированных оболочек интеллектуальных систем для сложно-структурированных предметных областей

5.1. Требования к специализированным оболочкам систем, 176 основанным на знаниях, для сложно-структурированных предметных областей

5.1.1. Требования к редакторам информационных компонентов

5.1.2. Требования к системам для решения прикладных задач

5.1.3. Обеспечение адаптации к изменениям предметной области

5.2. Архитектура специализированных оболочек для сложноструктурированных предметных областей

5.2.1. Редакторы информационных компонентов

5.2.2. Системы для решения классов прикладных задач

5.2.3. Подсистема сопровождения специализированной 189 оболочки

5.3. Методы реализации специализированной оболочки

5.3.1. Методы реализации подсистем поддержки библиотек

5.3.2. Определение структуры базы данных для хранения 193 информационных компонентов

5.3.3. Разработка редакторов информационных компонентов

5.3.4. Разработка систем для решения классов прикладных задач

5.4. Обсуждение

Глава 6. Специализированные оболочки для предметной области

Химия"

6.1. Специализированная оболочка систем, основанных на знаниях, для физической химии

6.2. Специализированная оболочка для рентгено-флуоресцентного анализа

6.3. Специализированная оболочка систем, основанных на знаниях, для органической химии

6.4. Специализированная оболочка, интегрирующая онтологии и знания разных разделов химии

6.5. Обсуждение

Глава 7. Технология создания и сопровождения расширяемой системы, основанной на знаниях, с использованием специализированной оболочки

7.1. Технология создания и изменения информационных компонентов

7.1.1. Создание информационных компонентов

7.1.2. Изменение информационных компонентов 233 7.2. Технология изменения состава программных компонентов

7.3. Использование методов анализа предметных областей, 242 создания специализированных оболочек и технологии их сопровождения в отличных от химии областях

7.4. Обсуждение

Многоуровневые модели сложно-структурированных предметных областей и их использование при разработке систем, основанных на знаниях (реферат, курсовая, диплом, контрольная)

Актуальность проблемы.

Одним из классов программных систем являются системы, основанные на знаниях (СОЗ), отличительная особенность которых состоит в том, что знания, необходимые для выполнения профессиональной деятельности, отделены в этих системах от программ для решения прикладных задач. Система, база знаний которой пуста, называется оболочкой СОЗ. Разработка СОЗ предполагает создание ее оболочки. Сопровождение СОЗ предполагает сопровождение ее базы знаний без изменения программ для решения задач. Использование СОЗ дает преимущества в трудно-формализуемых предметных областях при решении задач диагностики, проектирования, планирования и управления, определения классов объектов по описаниям их свойств и т. д. При разработке СОЗ должны быть получены ответы на следующие вопросы: как представить знания предметной области, как их использовать при решении задач, как сопровождать базу знаний. Чем сложнее предметная область, тем сложнее разработка СОЗ и сопровождение ее базы знаний.

Большой вклад в разработку методов создания систем, основанных на знаниях, внесли Г. С. Поспелов, Д. А. Поспелов, Э. В. Попов, В. Ф. Хорошевский, В. К. Финн, В. П. Гладун, В. В. Голенков, В. Н. Вагин, Г. С. Осипов, Т. А. Гаврилова, А. П. Еремеев, А. С. Клещев, B.JI. Стефанюк, Н. Г. Загоруйко, Г. В. Рыбина, А. С. Нариньяни, N. Guarino, van Heijst, D.B. Lenat, J. Sowa, M. A Uschold, B. Wielinga, и многие другие.

К настоящему времени разработаны модели представления знаний в виде систем фреймов, семантических сетей, систем продукций. Системы фреймов и семантические сети позволяют описать структуру объектов предметной области и связи между ними. Системы продукций (правил) используются для представления знаний предметной области в виде утверждений «если-то». На основе моделей представления знаний разработаны различные языки представления знаний, которые являются входными языками универсальных оболочек, используемых при создании систем, основанных на знаниях. Универсальная оболочка фиксирует способ использования знаний при решении задач. Существуют также системы, в которых структура объектов предметной области задается семантической сетью или системой фреймов, а правила решения задач — множеством продукций. Сопровождение базы знаний для систем, созданных с использованием универсальных оболочек, выполняет инженер знаний. Однако наличие посредника (инженера знаний) затрудняет создание и изменение базы знаний, поэтому возникает вопрос: как обеспечить редактирование знаний экспертом без участия посредника?

Ответ на данный вопрос дают специализированные оболочки, в которых при представлении знаний используется специфичная для предметной области концептуальная схема, определяемая онтологией той области, для которой создается оболочка. Онтология задает систему понятий и связи между ними, т. е. терминологию, понятную эксперту предметной области. Существуют специализированные оболочки, разработка которых основана на метаонтологии предметной области, в терминах которой определяются онтологии нескольких разделов данной области. Информационным компонентом специализированной оболочки является база знаний, а программными компонентами — редактор знаний, основанный на онтологии (или метаонтологии), система логического вывода (решатель класса прикладных задач), система ввода исходных данных задач, а также система вывода и объяснения результатов решения. При создании специализированной оболочки обычно фиксируется класс прикладных задач. Решатель задач реализует метод решения задач этого класса.

Явное представление онтологии предметной области в информационных компонентах СОЗ делает понятными и повторно используемыми знания, хранящиеся в базе знаний СОЗ. В настоящее время существуют методы создания онтологий, разработки редакторов знаний, управляемых онтологиями, и специализированных оболочек. Для формального представления онтологий предлагается использовать языки логики первого порядка и компьютерные языки. Многие из компьютерных языков для представления онтологий имеют средства для представления понятий (часто называемых классами), их таксономии, определения аксиом. Онтология вместе с набором экземпляров классов составляет базу знаний.

Однако остался ряд не решенных проблем. Существуют сложноструктурированные предметные области, имеющие сложную концептуальную схему, свойства которой не учитывают существующие языки для представления онтологий и методы создания онтологий. В сложно-структурированных предметных областях, особенно связанных с наукой, могут изменяться не только знания, но и онтологии, и, как следствие, множество классов прикладных задач. Однако методы создания специализированных оболочек, которые допускали бы изменение множества классов задач, решаемых системой, основанной на знаниях, из литературы не известны.

В связи с вышесказанным актуальными являются исследования, направленные на решение проблемы создания расширяемых специализированных оболочек систем, основанных на знаниях, для сложноструктурированных предметных областей, которые позволяли бы создание и изменение базы знаний и онтологии предметной области, а также поддерживали механизмы расширения множества классов прикладных задач.

Целью работы является разработка теоретических основ и методов создания специализированных оболочек расширяемых систем, основанных на знаниях, для сложно-структурированных предметных областей.

Для достижения поставленной в диссертационной работе цели необходимо решить следующие задачи.

1. Исследовать существенные свойства сложно-структурированных предметных областей и в соответствии с ними определить устройство их онтологий.

2. Разработать класс математических соотношений (декларативных моделей), которые могут использоваться при моделировании онтологий и знаний сложно-структурированных предметных областей, а также язык для представления этих соотношений.

3. Разработать методы анализа сложно-структурированных предметных областей.

4. Разработать многоуровневую модель реальной сложноструктурированной предметной области, состоящей из нескольких разделов.

5. Разработать концепцию и методы реализации расширяемых специализированных оболочек систем, основанных на знаниях, для сложноструктурированных предметных областей.

6. На основе концепции и методов реализации разработать специализированную оболочку для реальной сложно-структурированной предметной области.

7. Разработать технологию создания и сопровождения расширяемой системы, основанной на знаниях, с использованием специализированной оболочки, а также провести ее экспериментальное исследование.

Обоснованность результатов. Научные положения и выводы диссертации обоснованы с использованием методов дискретной математики, математической логики, теории множеств, теоретических основ программирования и проверены при создании программных систем.

Методы исследования. Проводимые в работе теоретические и практические исследования базируются на методах системного анализа, искусственного интеллекта, математической логики, теории множеств, теории алгоритмов и исчислений, технологии программирования.

Научная новизна. Основной результат диссертационной работы состоит в теоретической разработке и практическом решении проблемы создания расширяемых специализированных оболочек для сложно-структурированных предметных областей. При этом впервые получены следующие результаты:

— предложен класс математических соотношений (декларативных моделей), которые могут использоваться при моделировании онтологий и знаний сложноструктурированных предметных областей;

— разработан класс логических языков для представления декларативных моделей сложно-структурированных предметных областей, все языки которого имеют общее ядро, каждый язык использует свой набор расширений, что позволяет при представлении модели сложно-структурированной области определять язык, обладающий требуемым для данной области набором математических символов;

— разработаны методы «снизу вверх» и «сверху вниз» анализа сложноструктурированных предметных областейметод анализа «снизу вверх» предназначен для обобщения одноуровневых онтологий разделов сложноструктурированной предметной области до многоуровневых и получения онтологии верхнего уровня, определяющей схему анализа «сверху вниз» для новых разделов данной области, при котором онтологии новых разделов представляются как конкретизации онтологии верхнего уровня;

— разработана четырехуровневая модель сложно-структурированной предметной области «Химия», охватывающая физическую и органическую химию, а также раздел рентгено-флуоресцентного анализа;

— разработана общая архитектура расширяемых специализированных оболочек систем, основанных на знаниях, для сложно-структурированных предметных областейопределены механизмы их расширенияразработаны методы реализации специализированных оболочек.

Практическая ценность работы заключается:

— в разработке моделей онтологий физической и органической химии и рентгено-флуоресцентного анализа, а таюке четырехуровневой модели химии, охватывающей указанные разделы;

— в разработке расширяемой специализированной оболочки для физической химии, предназначенной для создания систем, основанных на знаниях, позволяющей интегрировать онтологии и знания разных разделов физической химии, а также автоматически формировать системы для решения вычислительных задач указанного раздела химии;

— в разработке расширяемой специализированной оболочки для химии, предназначенной для создания систем, основанных на знаниях, для данной области, позволяющей интегрировать онтологии, знания и решатели прикладных задач для разных разделов химиив использовании этой оболочки для создания системы, основанной на знаниях, интегрирующей онтологии, знания и решатели прикладных задач разделов физической и органической химии, а также рентгенофлуоресцентного анализа;

— в разработке технологии создания и сопровождения системы, основанной на знаниях, с использованием расширяемой специализированной оболочки;

— в использовании теоретических результатов диссертационной работы в научной работе сотрудников отдела интеллектуальных систем Института автоматики и процессов управления Дальневосточного отделения РАН и кафедры программного обеспечения ЭВМ Дальневосточного государственного университета при разработке моделей онтологий разных предметных областей;

— в использовании теоретических результатов диссертационной работы при чтении курсов лекций по дисциплинам «Системы искусственного интеллекта», «Диалоговое редактирование баз знаний и экспертные системы», «Компьютерная обработка знаний» для студентов института математики и компьютерных наук Дальневосточного государственного университета (г. Владивосток) и института технологии и бизнеса (г. Находка) — в использовании теоретических результатов диссертационной работы и методов создания специализированных оболочек в учебном процессе и при выполнении курсовых и дипломных работ студентами кафедры программного обеспечения ЭВМ Дальневосточного государственного университета.

Обоснование и достоверность полученных результатов. Обоснование и достоверность научных положений, выводов и практических результатов подтверждена практическим использованием предложенных в диссертационной работе моделей и методов при выполнении анализа сложно-структурированных предметных областей и создании специализированных оболочек расширяемых систем, основанных на знаниях.

Реализация результатов работы. Материалы диссертации использовались в учебном процессе на базовой кафедре программного обеспечения ЭВМ (ПО ЭВМ) Дальневосточного государственного университета (ДВГУ) при Институте автоматике и процессов управления (ИАПУ) ДВО РАН при чтении курса лекций по дисциплинам «Модели знаний и экспертные системы», «Системы искусственного интеллекта», «Диалоговое редактирование знаний и экспертные системы», «Методы решения задач в системах, основанных на знаниях», «Компьютерная обработка знаний», «Разработка интеллектуальных систем», «Основы анализа и формализации информации», а также при создании учебных систем, основанных на знаниях, при выполнении курсовых и дипломных работ студентами кафедры ПО ЭВМв Институте технологии и бизнеса (г. Находка) при чтении курса лекций по дисциплинам «Математические основы информатики», «Системы искусственного интеллекта», «Компьютерная обработка знаний» и создании студентами систем, основанных на знанияхпри разработке онтологии и ее модели для предметной области «Оптимизация последовательных программ» в ДВГУразработанные программные системы используются в Институте химии ДВО РАН, в ООО «Триумф», Дальневосточном государственном техническом университете (г. Владивосток).

Апробация работы. Основные положения и результаты работы докладывались и обсуждались на следующих международных и отечественных конференциях и семинарах: Pacific Int. Conf «Mathematical Modelling and Cryptography» (Владивосток, 1995), 4-ая Международная конференция «Non-Standard Logics and Logical Aspects of Computer Science», (Иркутск, 1995), II Междун. научно-техн. конф. «Интерактивные системы: проблемы человеко-компьютерного взаимодействия» (Ульяновск, 1997), Дальневост. матем. шк.-сем. им. акад. Е. В. Золотова, (Владивосток, 1997, 2001;2004, 2007), 4 World Congress on Expert systems (Mexico, 1998), Третий Сибирский конгресс по прикладной и индустриальной математике (Новосибирск, 1998), Slovenian-Russian Workshop on Software (Владивосток, 1998), The Pacific Asian Conference on Intelligent systems (Seul, Korea, 2001), 3-й Bcepoc. Internet-конф. «Компьютерное и математическое моделирование в естественных и технических науках» (2001), 8-ой, 9-ой, 10-й и 11-й национ. конф. по искусственному интеллекту с международным участием (Коломна, 2002, Тверь, 2004, Обнинск, 2006, Дубна, 2008), Международной конференции «Knowledge-Dialog-Solution» (Ялта, 1997, Varna, Bulgaria, 2003, 2005;2008), Международной конференции «Интеллектуальные и многопроцессорные системы» (Кацивели, 2000, 2004;2007), Международной конференции «Системный анализ и информационные технологии» (Переславль-Залесский, 2005, Обнинск, 2007), научной сессии МИФИ (Москва, 2006;2008), II Международной конференции по когнитивной науке (Санкт-Петербург, 2006), Международной конференции «Знания-Онтологии-Теория» (Новосибирск, 2007), IV Международной конференции «Параллельные вычисления и задачи управления» (Москва, 2008), совместном семинаре института систем информатики и ВЦ СО РАН (Новосибирск, 2003), семинаре института математики СО РАН (Новосибирск, 2003), семинаре Российской ассоциации по искусственному интеллекту «Проблемы искусственного интеллекта» (Москва, 2007), совместных научных семинарах отдела интеллектуальных систем ИАПУ ДВО РАН и кафедры программного обеспечения ЭВМ ДВГУ (1995;2007).

Публикация результатов работы. Основные результаты диссертации представлены в работах [3, 5−9, 12−21, 37−61, 86−90, 145−146, 197−204], из них [12, 16−17, 21, 40, 53, 57−58, 86−90] опубликованы в журналах, входящих в Перечень ВАК.

Под руководством автора и по тематике исследований защищены три кандидатские диссертации по специальности 05.13.11: [121, 125, 136].

Структура и объем работы. Диссертационная работа состоит из введения, семи глав, заключения, списка литературы и 10 приложений. Основное содержание работы изложено на 276 страницах.

Список литературы

включает 251 наименование.

ЗАКЛЮЧЕНИЕ

.

В диссертационной работе на основе проведенных автором исследований разработаны теоретические положения и получено практическое решение проблемы создания расширяемых специализированных оболочек систем, основанных на знаниях, для сложноструктурированных предметных областей. В рамках указанной проблемы получены следующие основные теоретические и практические результаты.

1. Определен класс сложно-структурированных предметных областей, в которых существуют разделы и подразделы, описываемые в разных, но похожих системах понятийраздел и подраздел сложноструктурированной области является предметной областью, в которой происходит специфическая профессиональная деятельность, характеризующаяся множеством прикладных задач. Выделены существенные свойства сложно-структурированных предметных областей и их онтологий. Определены свойства их многоуровневых моделей. Сформулированы требования к языку для представления моделей сложно-структурированных предметных областей, среди которых основными являются расширяемость набора математических операций и наличие модульности.

2. Разработан класс многоуровневых необогащенных систем логических соотношений (HCJIC). Определен переход от HCJIC уровня m к HCJIC уровня ш-1 посредством задания обогащения CJIC. Предложена интерпретация CJIC как моделей сложно-структурированных предметных областей. Разработан класс многосортных языков прикладной логики для представления многоуровневых моделей сложно-структурированных предметных областей. Все языки данного класса имеют общее ядро, каждый характеризуется своим набором используемых расширений. Языки поддерживают представление модульных моделей.

3. Разработаны методы «снизу вверх» и «сверху вниз» анализа сложно-структурированных предметных областейметод анализа «снизу вверх» предназначен для обобщения одноуровневых онтологий разделов сложно-структурированной предметной области до многоуровневых и получения онтологии верхнего уровня, определяющей схему анализа «сверху вниз» для новых разделов данной области, при котором онтологии новых разделов представляются как конкретизации онтологии верхнего уровня.

4. Разработана четырехуровневая модель сложноструктурированной области «Химия». Четвертый уровень представляет собой модель метаонтологии химии. Третий уровень содержит модели метаонтологий физической и органической химии, а также рентгено-флуоресцентного анализа. Разработаны модульные модели онтологий физической и органической химии, а также рентгено-флуоресцентного анализа.

5. Разработаны требования и общая архитектура расширяемых специализированных оболочек систем, основанных на знаниях, для сложноструктурированных предметных областей. Оболочка состоит из редакторов информационных компонентов, которыми являются многоуровневая онтология и знания, систем для решения разных классов задач и подсистемы сопровождения. Редакторы информационных компонентов и системы для решения классов задач должны позволять использование принятой в предметной области графической нотации при задании знаний, исходных данных задач и представлении результатов решения. Подсистема сопровождения должна позволять добавление подсистем поддержки графической нотации, систем для решения новых классов задач, в том числе систем автоматического формирования решателей задач. Специализированная оболочка должна позволять использование систем, основанных на правилах, при создании решателей задач.

6. Разработаны специализированные оболочки систем, основанных на знаниях, для физической и органической химии, для раздела рентгено-флуоресцентного анализа, а также специализированная оболочка, интегрирующая онтологии, знания и программные системы указанных.

разделов химии. Информационными компонентами последней оболочки являются онтологии и знания разных разделов химии, а программнымиподсистемы других оболочек.

Специализированная оболочка СОЗ для физической химии использовалась в лаборатории фторидных материалов Института химии ДВО РАН. Специализированная оболочка используется в лаборатории ядерно-химических методов анализа Института химии ДВО РАН. В настоящее время специализированная оболочка, интегрирующая онтологии, знания и программные системы разных разделов химии, используется при создании СОЗ для раздела катализ.

7. Разработана технология создания и сопровождения информационных компонентов и состава программных компонентов. Технология использована при создании систем, основанных на знаниях, для разных разделов химии, а также системы, основанной на знаниях, интегрирующей информационные и программные ресурсы разных разделов химии.

Методы анализа сложно-структурированных предметных областей, реализации специализированных оболочек для них и технология использованы в учебном процессе Института математики и компьютерных наук Дальневосточного государственного университета, а также Института технологии и бизнеса при выполнении курсовых и дипломных работ и при чтении лекций по дисциплинам «Системы искусственного интеллекта» и «Компьютерная обработка знаний» .

Показать весь текст

Список литературы

  1. В.Н. Типы и абстракция данных в языках программирования (обзор) // Данные в языках программирования. Сб. статей / под ред. В. Н. Агафонова. М.: Мир.- 1982.- С.265−327
  2. И.Л. Разработка решателей задач с использованием математических моделей онтологий предметных областей. // Юбилейный сборник / под общ. ред. В. П. Мясникова. Владивосток: ИАПУ ДВО РАН, 2001, с. 285−292. — ISSN 5 7442−1288−4.
  3. И.Л. Системы искусственного интеллекта. Методические указания по выполнению самостоятельных работ для студентов. Находка: Институт технологии и бизнеса, 2003. 46с.
  4. И.Л. Многоуровневые математические модели предметных областей // Искусственный интеллект.- 2006.- Т.4.- С. 85−94.
  5. И.Л. Методы недоопределенного вывода в системах продукций // Управляющие системы и машины.- 1991.- № 7.- С. 88−93
  6. И.Л. Разработка и исследование системы недоопределенного вывода для декларативных продукций. Дис.. канд. техн. наук: 05.13.11: защищена 25.09.92: утв. 25.12.92 / Артемьева Ирина Леонидовна. — Владивосток. 1992.- 190 с.
  7. И.Л. Интеллектуальные системы для сложноструктурированных предметных областей // Научно-технические ведомости СПбГПУ. 2008. — № 2. — С.108−114.
  8. И.Л., Высоцкий В. И., Рештаненко Н. В. Модель онтологии предметной области (на примере органической химии) // Научно-техническая информация, сер.2. 2005. — № 8. — С. 19−27.
  9. И.Л., Высоцкий В. И., Рештаненко Н. В. Описание структурного строения органических соединений в модели онтологии органической химии // НТИ, сер.2.- 2006.- № 2.- С.11−19.
  10. И.Л., Высоцкий В. И., Рештаненко Н. В. Модульная модель онтологии органической химии. Свойства органических соединений // Информатика и системы управления.- № 1.- 2006.- С. 121−132.
  11. И.Л., Высоцкий В. И., Рештаненко Н. В. Описание пространственного расположения атомов, ионного и электронного строения соединений в модели онтологии химии // Информатика и системы управления. 2007. — № 1. — С. 98−109.
  12. И.Л., Высоцкий В. И., Рештаненко Н. В. Описание механизмов реакций в модели онтологии химии // Информатика и системы управления. 2007. — № 1. — С. 109−117.
  13. И. Л., Гаврилова Т. Л., Грибова В. В. и др. Мультидисциплинарная система управления информационными ресурсами различных уровней общности // Проблемы управления.- 2006.- № 4.-С. 64−68.
  14. И.Л., Гаврилова Т. Л., Клещев А. С. Модели предметных областей с атомарными объектами. // НТИ.-1995.-№- 12. С. 8−17.
  15. И.Л., Гаврилова Т. Л., Клещев А. С. Адаптация логических моделей к сложным предметным областям. Препр. Владивосток: ИАПУ ДВО РАН, 1995. 30 с.
  16. И.Л., Гаврилова Т. Л., Клещев А. С. Системы логических соотношений с атомарными объектами. // НТИ, сер. 2.- 1996.- № 1.-С. 11−18.
  17. И.Л., Гаврилова Т. Л., Клещев А. С. Примитивные системы логических соотношений с функциональными и предикатными неизвестными // НТИ, сер. 2.- 1996.- № 3. -С. 17.
  18. И.Л., Гаврилова Т. Д., Клещев А. С. Использование логических моделей сложных предметных областей при решении задач // Вестник ДВО РАН.- 1996.- № 4.- С. 14−22.
  19. И.Л., Гаврилова Т. Л., Клещев А. С. Примитивные системы логико-векторных соотношений // НТИ, сер. 2.- 1996.- № 2. С. 7−12.
  20. И.Л., Гаврилова Т. Л., Клещев А. С., Системы логических соотношений с параметрами // НТИ, сер. 2.- 1997.- № 7.- С. 19−23.
  21. И.Л., Гаврилова Т. Л., Клещев А. С., Логические модели второго порядка для предметных областей // НТИ, сер.2.- 1997.- № 6.-С.14−30.
  22. И. Л., Гаврилова Т. Л., Клещев А. С. Системы логических соотношений как модели предметных областей // Доклады Академии наук.- 1998.- Т.359.- № 1.- С.27−28.
  23. И. Л., Горбачев С. Б., Клещев А. С. и др. Инструментальный комплекс для реализации языков представления знаний // Программирование, — 1983, — № 4.- С.78−89.
  24. И.Л., Князева М. А., Купневич О. А. Онтология оптимизации программ // Искусственный интеллект.- № 3.- 2000.- С. 17−24.
  25. И.Л., Князева М. А., Купневич О. А. Модель онтологии предметной области «Оптимизация последовательных программ». Часть 1. Термины для описания объекта оптимизации // НТИ, сер. 2.- 2002.- № 12.- С. 23−28.
  26. И.Л., Князева М. А., Купневич О. А. Модель онтологии предметной области «Оптимизация последовательных программ». 4.2.
  27. Термины для описания процесса оптимизации // НТИ, сер.2. 2003.- №−1.-С.22−29.
  28. И.Л., Князева М. А., Купневич О.А Модель онтологии предметной области «Оптимизация последовательных программ». Ч. З. Примеры описания некоторых оптимизирующих преобразований // НТИ, сер.2. 2003. — № 2. — С.27−34.
  29. И.Л., Крылов Д. А. Концепция оболочки для разработки решателей задач на основе моделей онтологий // Искусственный интеллект.- 2005.- Т.З.- С. 109−116.
  30. И. Л., Мирошниченко Н. Л. Модель онтологии рентгенофлуоресцентного анализа // Информатика и системы управления.-2005.- № 2.- С.78−88.
  31. И.Л., Мирошниченко Н.Л, Старовойтов И. В. Интеллектуальная система для рентгенофлуоресцентного анализа // Информатика и системы управления.- 2006.- № 2.- С.54−61.
  32. И.Л., Рештаненко Н. В. Модульная модель онтологии органической химии // Информатика и системы управления.- 2004.- № 2.-С.98−108.
  33. И.Л., Рештаненко Н. В. Специализированный компьютерный банк знаний предметной области «Химия» // Искусственный интеллект.- 2004.- Т. 1.- С. 235−244.
  34. И. Л., Рештаненко Н. В. Специализированный компьютерный банк знаний по органической химии и его разработка на основе онтологии//Искусственный интеллект.- 2006.- Т.4, 2006.- С. 95−106.
  35. И.Л., Рештаненко Н. В. Специализированный трехуровневый редактор метаонтологий, онтологий и знаний для компьютерного банка знаний по химии // Искусственный интеллект.- 2007.-№ 3- С. 40−47.
  36. И.Л., Рештаненко Н. В. Интеллектуальная система, основанная на многоуровневой онтологии химии // Программные продукты и системы. 2008. — № 1. — С. 84−87.
  37. И.Л., Рештаненко Н. В., Цветников В. А. Описание свойств реакций в модели онтологии химии // Информатика и системы управления.- 2006.- № 1.- С. 132−143.
  38. И.Л., Рештаненко Н. В., Цветников В. А. Описание физико-химических процессов в модели онтологии химии // Информатика и системы управления. 2008. — № 1 — С. 121−131.
  39. И.Л., Спивачук Н. А. Модель онтологии предметной области «Построение характеристического рентгеновского спектра» // Информатика и системы управления.- 2007.- № 2. — С. 120−131.
  40. И.Л., Суров В. В. Принципы организации библиотеки методов решения задач в экспертных системах // Шестая Международная конф. «Диалог-Решение»: сб. научн. тр., Ялта 1997. Т.1. — С.116−122.
  41. И.Л., Тютюнник М. Б. Модель модульного языка декларативных конфлюэнтных продукций с ограниченными кванторами // Искусственный интеллект. 2007. — № 3. — С. 374−382.
  42. И.Л., Тютюнник М. Б. Методы управления распараллеливанием логического вывода системы конфлюэнтных продукций // Научно-технические ведомости СПбГПУ. 2008. — № 3.-С.99−103.
  43. И.Л., Тютюнник М. Б. Модульная система конфлюэнтных продукций для многопроцессорной вычислительной системы // Программные продукты и системы.- 2007.- № 2.- С. 38−39.
  44. И.Л., Цветников В. А. Методы реализации интеллектуальной обучающей программной системы физической химии. Препр., Владивосток: ИАПУ ДВО РАН, 2002. 55с.
  45. И.О., Новиков Ф. А., Петрушина Т. И. Язык Декарт -входной язык системы СПОРА // Прикладная информатика. Вып.1.- 1981. -С. 35−73.
  46. В.В., Бунин А. И. Средства представления и обработки знаний в системе FRL/PS // Всесоюзн. конф. по искусственному интеллекту: тез.докл. 1990. Т.1. — С. 66−71.
  47. А.Н., Гаврилова Э.А, Серебряков В. А., Шкотин А. В. Место онтологий в единой интегрированной системе РАН. URL: http://www.benran.ru/Magazin/cgi-bin/Sb03/pr03 .ехе?! 15
  48. Е.М. Базы онтологий, система Ontolingua для работы с онтологиями: состояние и перспективы. URL: http://synthesis.ipi.ac.ru/sigmod/seminar/s20000525
  49. Е. М., Болдина Д. М. Система представления знаний Ontolingua принципы и перспективы. URL: http://beniaminov.rsuh.ru/Stanford.pdf
  50. О.И., Загорулько Ю. А., Загорулько Г. Ю., Кононенко И. С. Подход к построению портала знаний по компьютерной лингвистике // Вторая межд. конф. «Системный анализ и информационные технологии».
  51. Обнинск, 10−14 сентября: сб. тр. в 2-х томах. М.: Издательство ЛКИ, 2007. — Т.1.- С. 126−129. ISBN 978−5-382−437−2.
  52. Буч Г. Объектно-ориентированное проектирование с примерами применения. М.: Конкорд.- 1992. — 519 с.
  53. В.А., Волхонцев Д. В., Гинзбург А. Н., Караваев М. А., Скобелев П. О., Сурнин O.JL, Шамашов М. А. Распределенные онтологии и их применение в решении задач интеграции данных. URL: http ://www.kg .ru/support/library/regionmanagement/
  54. Т.А. Об одном подходе к онтологическому инжинирингу // Новости искусственного интеллекта.- 2005. № 3. — С. 25−30.
  55. Т.А. Формирование прикладных онтологий. URL: http://raai.org/resurs/papers/kii-2006
  56. Т. А., Хорошевский В. Ф. Базы знаний интеллектуальных систем. СПб.: Питер, 2001.
  57. В.И., Лобанов Б. М., Загоруйко Н. Г. Синтез и распознавание речи (попытка построения онтологии)/ URL: http://www.auditech.ru/artl .htm
  58. В.В., Клещев А. С. Управление проектированием и реализацией пользовательского интерфейса на основе онтологий // Проблемы управления, 2006. № 2. -. С. 58−62.
  59. В.В., Клещев А. С. Использование методов искусственного интеллекта для проектирования пользовательского интерфейса // Информационные технологии.- 2005. № 8. — С.58−61
  60. А.С. Проблемно-ориентированные представления. Препр. Владивосток: ИАПУ ДВО РАН. 1985. — 28 с.
  61. А.С. Роль метазнаний при создании экспертных систем. Препр. Владивосток: ИАПУ ДВО РАН. 1989. — 25 с.
  62. А.С. Использование онтологий в разработке программного обеспечения. // Всероссийская конф. с межд. участием «Знания-Онтологии-Теории». Новосибирск, 14−16 сентября 2007. Новосибирск: Институт математики. Т.1. — 122−130.- ISSN 0568−661Х.
  63. А.С., Артемьева И. Л. Необогащенные системы логических соотношений. Часть 1. // НТИ, сер. 2.- 2000.- № 7.- С. 18−28.
  64. А.С., Артемьева И. Л. Необогащенные системы логических соотношений. Часть 2. // НТИ, сер. 2.- 2000.- № 8.- С. 8−18.
  65. А.С., Артемьева И. Л. Математические модели онтологий предметных областей. Часть 1. Существующие подходы к определению понятия «онтология» // НТИ, сер. 2.- 2001.- № 2.- С. 20−27.
  66. А.С., Артемьева И. Л. Математические модели онтологий предметных областей. Часть 2. Компоненты модели. // НТИ, сер. 2.- 2001.- № 3.- С.19−29.
  67. А.С., Артемьева И. Л. Математические модели онтологий предметных областей. Часть 3. Сравнение разных классов моделей онтологий //НТИ, сер. 2.- 2001.- № 4.- С. 10−15.
  68. А.С., Артемьева И. Л. Отношения между онтологиями предметных областей. Часть 1. Онтологии, представляющие одну и ту же концептуализацию. Упрощение онтологий // НТИ, сер.2.- 2002.- № 1.- С. 4−17.
  69. А.С., Артемьева И. Л. Отношения между онтологиями предметных областей. Часть 2. Отношения сходства онтологий, композиция онтологий // НТИ, сер. 2.- 2002.- № 2.- С.2Ф-31.
  70. А.С., Артемьева И. Л. Математические основы информатики. Методические указания по выполнению самостоятельных работ для студентов. Находка: Институт технологии и бизнеса, 2003.- 50 с.
  71. А.С., Москаленко Ф. М., Черняховская М. Ю. Модель онтологии предметной области «Медицинская диагностика». Часть 1. Неформальное описание и определение базовых терминов // НТИ, сер. 22 005. № 12. — С.-7.
  72. А.С., Орлов В. А. Компьютерные банки знаний. Универсальный подход к решению проблемы редактирования информации // Информационные технологии. 2006. — № 5. — С.25−31.
  73. А.С., Орлов В. А. Компьютерные банки знаний. Модель процесса редактирования информационного наполнения // Информационные технологии. 2006. — № 7. — С. 11−16.
  74. А.С., Самсонов В. В., Черняховская М. Ю. Медицинская экспертная система Консультант-2. Представление знаний. Препр. Владивосток: ДВНЦ АН СССР, 1985. 44 с.
  75. А.С., Смагин С. В. Процессор класса языков прикладной логики. Способ описания языка. Владивосток: ИАПУ ДВО РАН, 2008. 44 с.
  76. А.С., Смагин С. В. Процессор класса языков прикладной логики. Метод реализации. Владивосток: ИАПУ ДВО РАН, 2008. 28 с.
  77. А.С., Шалфеева Е. А. Классификация свойств онтологий. Онтологии и их классификации // НТИ, сер. 2- 2005. № 9. — С. 16−22.
  78. В., Дробязко Г. Управлять поиском, используя знания. URL: http://www.avicomp.ru/rus/ontos/byte0504.php
  79. М.А. Экспертная система, моделирующая процесс оптимизации программ: Дис.. канд. техн. наук: 05.13.11. Владивосток. -ИАПУ ДВО АН СССР. 1988.
  80. О.В., Перфильев К. Г. Гибридные средства представления знаний в системе СПЭИС // Всесоюзная конф. по искусственному интеллекту: тез. докл. 1988.- Т.2. С. 490−494.
  81. Д. В. Разработка проблемно-ориентированных онтологий // Десятая нац. конф. по искусственному интеллекту с междунар. участием, Обнинск, 25−28 сентября 2006: сб. тр. в 3-х томах. Москва: Физматлит. 2006. Т.1. — С. 69−75. — ISSN 5−9221−0757−7.
  82. H.O. Прототип Интернет системы классификации органических соединений // Информатика и системы управления.- 2004. № 2.-С. 109−120.
  83. В.П. Использование онтологического подхода при моделировании жизненного цикла знаний в системе корпоративно памяти организации. Новости искусственного интеллекта.- 2005. № 3. — С. 31−41.
  84. А.И. Алгебраические системы. М.: Наука, гл.ред.физ.-мат. лит. 1970. — 392 с.
  85. Э. Введение в математическую логику. М.: Наука, гл.ред.физ.-мат. лит. 1976. — 220 с.
  86. М. Фреймы для представления знаний. М.:Энергия.-1979.
  87. Ф.М. Параллельный оптимизированный алгоритм медицинской диагностики // Информатика и системы управления.- 2006.- № 1.- С. 87−98.
  88. Н.Н. Прикладная логика. 2-е изд., испр., доп. Н.: Сибирское университетское издательство. 2000. 521 с.
  89. Г. С. Приобретение знаний интеллектуальными системами. М: Наука. — 1997.
  90. Перцовский C. JL, Варнина А. С. Разработка интеллектуальной САПР современного сольного танца на основе онтологий // Вестник ДВО РАН. 2006. -№ 3 (127). -С. 163−169.
  91. А.И., Фазлиев А. З. Прикладная онтология для молекулярной спектроскопии // Всероссийская конф. с межд. участием «Знания-Онтологии-Теории». Новосибирск, 14−16 сентября 2007. Новосибирск: Институт математики. Т.2. — С. 82−87.- ISSN 0568−66IX.
  92. Справочник по искусственному интеллекту в 3-х т. / Под ред Попова Э. Ф. и Поспелова Д. А. М.: Радио и связь. 1990.
  93. Статические и динамические экспертные системы / Э. В. Попов, И. Б. Фоминых, И. Б. Кисель, М. Д. Шапот. -М.: Финансы и статистика.- 1996.
  94. В.В. Исследование задач и методов их решения для одного класса систем логических соотношений. Дис.. канд. физ.-мат. наук: 05.13.11: защищена 11.05.00, утв. 20.10.00.-Владивосток. 2000.- 200 с.
  95. Стандарт онтологического исследования IDEF5. http://www.idef.com/idef5 .html
  96. Ю.Н., Борисов Н. А. Разработка экспертных систем средствами инструментальной оболочки в среде MS Windows. Тверь. ТГТУ. 1997
  97. Толковый словарь по искусственному интеллекту / Авторы-составители А. Н. Аверкин, М.Г. Гаазе-Рапопорт, Д. А. Поспелов. М.: Радио и связь, 1992. -256с.
  98. Э. X. Концептуальное программирование. М.: Наука.-1984.- 255с.
  99. Д. Руководство по экспертным системам // Пер. с англ. М.:Мир. 1989.
  100. В.А., Семёнов A.JI. Теория алгоритмов: основные открытия и приложения. М.: Наука.- 1987. — 288 с.
  101. Хейес-Рот и др. Построение экспертных систем // Под редакцией Хейес-Рота, Д. Уотермена, Д.Лената. М.:Мир. 1987.
  102. В.Ф. Управление проектами в интеллектуальной системе PIES Workbench // Изв. РАН. Техническая кибернетика. 1993. — № 5. — С.71−98.
  103. Хорошевский В. Ф, PIES- технология и инструментарий PIES Workbench для разработки систем, основанных на знаниях // Новости искусственного интеллекта. 1995. — № 2. — С. 7−64.
  104. В. А. Интеллектуальная система Entities // Открытый Дальневосточный конкурс программных средств студентов, аспирантов и молодых специалистов: сб. тез. докл. Владивосток: ИАПУ ДВО РАН. 2002.-С. 70−73.
  105. Г. С. Программирование на ассоциативных сетях // ЭВМ в проектировании и производстве. Вып.2. Л.Машиностроение. 1985.-С. 16−48.
  106. М.Ю. Представление знаний в экспертных системах медицинской диагностики. Владивосток: ДВНЦ АН СССР, 1983. -212 с.
  107. М.Ю., Грибова В. В., Тарасов А. В. Система интеллектуальной поддержки обследования больных, управляемая онтологией // Программные продукты и системы.- 2007. № 2. — С.49−51
  108. Е.С. Распределенная интеллектуальная система «Проектирование электропечей» // Открытый Дальневосточный конкурс программных средств студентов, аспирантов и молодых специалистов: сб. тр. Владивосток: ИАПУ ДВО РАН. 2008. — С. 22−25.
  109. L.K. 1993. YMIR: an ontology for engineering design. University of Twente.
  110. An introduction to Gene Ontology http://www.geneontology.org/doc/GO.doc.html
  111. Artemieva I.L. Domains with complicated structures and their ontologies // Inf. Theories and Appl. 2008.- Vol 15.- № 4. — PP. 330−337.
  112. Artemjeva I.L., Gavrilova T.L., Kleshchev A.S. Expert systems: from mathematics to technology. Препр., Владивосток: ИАПУ ДВО РАН, 1997.-36с.
  113. Artemjeva I.L., Gavrilova T.L., Kleshchev A.S. Mathematics for knowledge- based systems // Proceedings of the Slovenian-Russian Workshop on Software, 4 Dec. 1998, Vladivostok. PP. 15−31.
  114. Artemjeva I.L., Gavrilova T.L., Kleshchev A.S. Mathematical approach to solving complex hard formalizable tasks // Дальневосточный математический сборник.- 1998.- № 5.- С. 122−135
  115. Artemjeva I.L., Gavrilova T.L., Kleshchev A.S., Surov V.V. Application of Logical relationship systems for expert system development // Appl. of Advanced Information Technologies. Proceeding of the 4 World Congress on
  116. Expert systems. 16−20 March 1998, Mexico City Cognizant Communication Corporation. 1998. V.I.- PP. 500−510. — ISBN 1−882 345−22−3.
  117. Artemjeva I. L., Knyazeva M.A., Kupnevich O.A. Processing of knowledge about optimization of classical optimizing transformations // International Journal on Information Theories and Applications. 2003. Vol. 10, № 2. — PP.126−131. — ISSN 1310−0513.
  118. Brickley D., Guha R.V. RDF Vocabulary Description Language 1.0: RDF Schema, W3C Draft, 2002. URL: http://www.w3.org/TR/PR-rdf-schema
  119. Chemical-crystals ontology www-ksl-svc.stanford.edu:5915/doc/hpkb/query-results/real-ontolingua/ chemical-crystals/
  120. Chemical Ontology, http://cvs.sourceforge.net/cgi-bin/viewcvs.cgi/obo/obo/ontology/biochemical
  121. COME ontology, http://www.ebi.ac.uk/~kirill/come/COME.xml
  122. Corcho O., Fernandez-Lopez M., Gomez-Perez A. Methodologies, tools and languages for building ontologies. Where is their meeting point? // Data & Knowledge Engineering. 2003. — № 46: 41−64.
  123. Cristani M., Cuel R. A Survey on Ontology Creation Methodologies. In Int. J. on Semantic Web & Information Systems. 2005.- 1(2): 48−68.
  124. Denny M. Ontology Building: a Survey of Editing Tools // http://www.xml.eom/pub/a/2004/07/14/onto.html
  125. Fernandez, M., Gomez-Perez, A. and Juristo, N. METHONTOLOGY: From Ontological Art Towards Ontological Engineering, AAAI-97 Spring Symposium on Ontological Engineering, Stanford University, 1997, March 24−26.
  126. Gangemi A., Pisanelli D.M. and Steve G. An Overview of the ONIONS Project: Applying Ontologies to the Integration of Medical Terminologies//Data & Knowledge Engineering.-1999.-Vol. 31.-№'2.-PP. 183−220
  127. Genesereth, M.R. and Nilsson, N.J. Logical Foundation of Artificial Intelligence. Morgan Kaufmann, Los Altos, California, 1987.
  128. Genesereth, M.R., Fikes R.E. et al. Knowledge Interchange Format (version 3.0) Reference Manual. Interlingua Working Group of the DARPA Knowledge Sharing Effort. Computer Science Department, Stanford University. Report Logic-92−1.
  129. Gerbaux F., Gruber T. Theory SUBSTANCES. http://saussure.irmkant.rm.cnr. it/onto/ON9.3 -OL-HTML/substances/index.html
  130. Gladun A., Rogushina J., Shtonda V. Ontological Approach to Domain Knowledge Representation for Information Retrieval in Multiagent Systems // IJITA.- 2006. -Vol. 13. -№ 4. PP. 354−361.
  131. Gomez-Perez, A. A Framework to Verify Knowledge Sharing Technology //Expert Systems with Applications. 1997.- 11(4).- PP. 519−529.
  132. В. С., Parsia В., Sirin Е., and A. Kalyanpur A. Modularity and web onologies. In Proceedings of the 10th International Conference on Principles of Knowledge Representation and Reasoning (KR2006), 2006.
  133. Gruber T.R. Ontolingua: A Mechanism to Support Portable Ontologies. Technical report KSL-91−66, Stanford University, Knowledge Systems Laboratory, 1992.
  134. Gruber, T.R. Towards Principles for the Design of Ontologies Used for Knowledge Sharing. // Inter. Journal of Human-Computer Studies.- 1994.- 43 (5/6).- PP.907−928.
  135. Gruber T.R. A translation Approach to Portable Ontology Specifications. In Knowledge Acquisition Journal.- 1993.- Vol. 5.- PP. 199−220.
  136. Guarino N. and Welty C. Towards a methodology for ontology based model engineering. URL: http://www.loa-cnr.it/Publications.htm
  137. Guarino N. Formal Ontology, Conceptual Analysis and Knowledge Representation // International Journal of Human and Computer Studies. 1995.-43(5/6).- PP. 625−640.
  138. Guarino N. Understanding, Building, and Using Ontologies. // IJHCS.- 1996.- 46 (2−3).
  139. Guarino N. General Ontology of Artefacts. Deliverable 1. 2005. URL: http://www.loa-cnr.it/Publications.htm
  140. Hartmann J., Palma R., Sure Y., Suarez-Figueroa M. C., Haase P., Gomez-Perez A., and Studer R. Ontology Metadata Vocabulary and Applications. URL: http://oyster.ontoware.org/oyster/omv-otm.pdf
  141. Hartmann J., Palma R. and Sure Y. OMV- Ontology Metadata Vocabulary. URL: http://oyster.ontoware.org/oyster/omv-iswc.pdf
  142. Hayashi Y., Bourdeau J., Mizoguchi R. Ontological Modeling Approach to Blending Theories for Instructional and Learning Design //http://www.ei.sanken.osaka-u.ac.jp/pub/all-publications.html
  143. Hayashi Y., Bourdeau J., Mizoguchi R. Ontological Support for a Theory-Eclectic Approach to Instructional and Learning Design // http://www.ei.sanken.osaka-u.ac.jp/pub/all-publications.html
  144. He F., Espen P. General approach for quantitative energy dispersive X-ray fluorescence analysis based on fundamental parameters // Anal. Chem. 1991. Vol. 63. P. 2237−2244.
  145. An informal description of Standard OIL and Instance OIL // http://www.ontoknowledge.org/oil/downl/oil-whitepaper.pdf
  146. Isotani S., Mizoguchi R. An Integrated Framework for Fine-Grained Analysis and Design of Group Learning Activities // http://www.ei.sanken.osaka-u.ac.jp/pub/all-publications.html
  147. Jones D., Bench-Capon T. and Visser P. Methodologies For Ontology Development. URL: http://www.iet.com/Projects/RKF/SME/methodologies-for-ontology-development.pdf
  148. Kataoka Y. Standardless X-ray Fluorescence Spectrometry (Fundamental Parameter Method Using Sensitivity Library) // The Rigaku Journal. 1989. Vol. 6.- №. 1 — PP. 330.
  149. Kasai Т., Yamaguchi H., Nagano H., Mizoguchi R. Building an ontology of IT education goals // Int. J. Cont. Engineering Education and Lifelong1. arning, Vol. 16, Nos. ½, 2006//http://www.ei.sanken.osaka-u.ac.jp/pub/all-publications.html
  150. Kim H.M., Fox M.S., Gruninger M. An ontology for quality management — Enabling quality problem identification and tracing. // ВТ Technology Journal, vol 17, № 4. PP. 131−140.
  151. Kitamura Y., Kashiwase M., Fuse M., and Mizoguchi R. Deployment of an Ontological Framework of Functional Design Knowledge // http://www.ei.sanken.osaka-u.ac.jp/pub/all-publications.html
  152. Kitamura Y., Koji Y. and Mizoguchi R. An Ontological Model of Device Function and Its Deployment with Extensions for Engineering Knowledge Sharing //http://www.ei.sanken.osaka-u.ac.jp/pub/all-publications.html
  153. Knowledge Web. http://knowledgeweb.semanticweb.org/ semanticportal/
  154. Kleshchev A.S. Problem-Oriented Representation for Development of Knowledge Bases for Expert Systems. In Third Inter. Conf. «Artif.Intell. and Inform. Control System of Robots», Smolenice, 1984.
  155. Kleshchev A.S., Artemjeva I.L. Domain Ontologies and knowledge processing. Препр., Владивосток: ИАПУ ДВО РАН, 1999. 25 с.
  156. Kleshchev A.S., Artemjeva I.L. A Structure of Domain Ontologies and their Mathematical Models. // The Pacific Asian Conference on Intelligent Systems 2001. Korea. November 16−17, 2001. PP. 410−420.
  157. Kleshchev A.S., Artemjeva I.L. How can domain ontologies relate to one another // In the Proceedings of the Xl-th International Conference
  158. Knowledge-Dialog-Solution" KDS 2005, June 20−27, Varna, Bulgaria, Sofia: FOI-COMMERGE-2005. Vol. l — PP. 132−140. — ISBN 954−16−0032−8.
  159. Kleshchev A.S., Artemjeva I.L. An analysis of some relations among domain ontologies // Int. Journal on Inf. Theories and Appl. — 2005.- Vol. 12, — № l.-PP. 85−93.-ISSN 1310−0513.
  160. Kleshchev A.S., Artemjeva I.L. A mathematical apparatus for domain ontology simulation. An extendable language of applied logic // Int. Journal on Inf. Theories and Appl.-2005.-Vol. 12.-№ 2.-PP. 149−157.-ISSN 1310−0513.
  161. Kleshchev A.S., Artemjeva I.L. A mathematical apparatus for ontology simulation. Specialized extensions of the extendable language of applied logic // Int. Journal on Inf. Theories and Appl. 2005, — Vol 12.- № 3. — PP. 265−271.-ISSN 1310−0513.
  162. Kleshchev A.S., Artemjeva I.L. A mathematical apparatus for domain ontology simulation. Logical relationship systems // Int. Journal on Inf. Theories and Appl.-2005.-Vol. 12.-№ 4. PP. 343−351.-ISSN 1310−0513.
  163. Kleshchev A.S., Artemjeva I.L. Mathematical models of domain ontologies // Int. Journal on Inf. Theories and Appl. 2007.- Vol. 14.- № 1. — PP. 35−43.-ISSN 1310−0513.
  164. Lassila O., Swiclc R. Resource description framework (RDF) model and syntax specification. W3C Recommendation. 1999. URL: http ://www/w3/org/TR/REC-rdf-syntax
  165. Lenat D.B., Guha R.V. Building large knowledge-based systems: representation and inference in the CYC project/ Addison-Wesley, Boston, 1990.
  166. Lenat D.B., Guha R.V., Pittman K., etc. CYC: toward programs with common sense // Communication of ACM. 1990.- Vol 33, № 8. — PP.30−49.
  167. Luke S., Heflin J. SHOE 1.01. Proposed Specification, SHOE Project technical report, University of Mariland, 2000. URL: http://www.cs.umd.edu/projects/plus/SHOE/specl .01 .htm
  168. McGee Wood M. and Wang S. Motivation for «Ontology» in Parallel-Text Information Extraction // http://olp.dfki.de/ecai04/c:fp.htm
  169. Mizoguchi R. A Step Towards Ontological Engineering. http://www.ei.sanken.osaka-u.ac.jp/english/step-onteng.html.
  170. Mizoguchi, R., M. Ikeda, K. Seta and J. Vanwelkenhuysen, Ontology for Modeling the World from Problem Solving Perspectives, Proc. of IJCAI-95 Workshop on Basic Ontological Issues in Knowledge Sharing (1995) 1−12.
  171. Mizoguchi R. Tutorial on ontological engineering. Part 2: Ontology development, tools and languages/ URL: // http://www.ei.sanken.osaka-u.ac.jp/pub/all-publications.html
  172. O’Murchu I., Zhdanova A.V., Breslin J.G. Semantic Community Portals. URL: http://www.ee.surrey.ac.Uk/Personal/A.Zhdanova/publications.html
  173. Ontolingua. URL: http://www-ksl.svc.stanford.edu
  174. Ontos Miner: Система Извлечения Информации из Текстовых Документов на Русском Языке. URL: http://www.avicomp.ru/rus/ontos/academicsolutionsrus.php
  175. Onto Web. http ://www. onto web. org/
  176. OWL Web ontology. http://www.w3.org/TR/webont-req/
  177. Palma R., Haase P. Oyster Sharing and Re-using Ontologies in a Peer-to-Peer Community // http://oyster.ontoware.org/oyster/oyster-challenge.pdf
  178. Patil R.S. Causal Representation of Patient Illness for Electrolyte and Acid-Base Diagnosis. PhD Thesis, Laboratory for Computer Science, MT, 1981.
  179. Patel-Schneider P. F., Hayes P., and Horrocks I. OWL Web Ontology Language Semantics and Abstract Syntax. Technical report, W3C, Feb. 2004. W3C Recommendation, URL http://www.w3.org/TO2004/REC-owl-semantics-20 040 210/.
  180. Paul E. van der Vet Nicolaas J.I. Mars Bottom-up construction of ontologies: the case of an ontology of pure substances- Memoranda Informatica 95−35 September 20, 1995
  181. Paul E. van der Vet Piet-Hein Speel Nicolaas J.I. Mars The Plinius ontology of ceramic materials- April 1995
  182. Sosnovsky S., Gavrilova T. Development of Educational Ontology for C-Programming // IJITA.- 2006. Vol. 13. — № 4. — P. 303−308.
  183. Staab S. and Maedche A. Knowledge Portals: Ontologies at Work. In Al Magazine. 2001.- 22(2).- P.63−75
  184. Staab S., SchnurrH.P., Studer R., Sure Y. Knowledge process and ontologies. IEEE Intelligent Systems. 2001.- vol. 16.- № 1.- P.26−34.
  185. Studer R., Benjamins V.R., Fensel D. Knowledge Engineering: Principles and Methods. In Data & Knowledge Engineering. 1998.- 25. -P. 161−197.
  186. The Sequence Ontology Project, http://song.sourceforge.net/
  187. Uschold M., Gruninger M. Ontologies: Principles, methods and applications. //The Knowledge Engineering Review.-1996.-Vol. 11.-№ 2.P. 93−155.
  188. S.M., Kulikovski C.A., Amarel S. & Safir A. A Model-Based Method for Computer-Aided Medical Decision Making. In Clancey W.J. & Shortliffe E.H. Editors, Reading in Medical Artificial Intelligence, the First Decade. Addison Wesley, 1984.
Заполнить форму текущей работой

Пора сдавать?